CN111988745B - 基于WiFi连接数据的目标用户确定方法、装置、设备及介质 - Google Patents
基于WiFi连接数据的目标用户确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111988745B CN111988745B CN202010911830.5A CN202010911830A CN111988745B CN 111988745 B CN111988745 B CN 111988745B CN 202010911830 A CN202010911830 A CN 202010911830A CN 111988745 B CN111988745 B CN 111988745B
- Authority
- CN
- China
- Prior art keywords
- target user
- user set
- users
- target
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000015654 memory Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 12
- 238000007726 management method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241000700605 Viruses Species 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- ZXQYGBMAQZUVMI-GCMPRSNUSA-N gamma-cyhalothrin Chemical compound CC1(C)[C@@H](\C=C(/Cl)C(F)(F)F)[C@H]1C(=O)O[C@H](C#N)C1=CC=CC(OC=2C=CC=CC=2)=C1 ZXQYGBMAQZUVMI-GCMPRSNUSA-N 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241001632422 Radiola linoides Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/08—Access restriction or access information delivery, e.g. discovery data delivery
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/16—Discovering, processing access restriction or access information
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请公开了一种基于WiFi连接数据的目标用户确定方法、设备及存储介质，涉及计算机技术领域。该方法包括：获取预设时间段内多个用户的WiFi连接数据；根据WiFi连接数据，获取多个用户中曾连接过相同WiFi的各个用户及各个用户间的连接关系；对目标用户集合和非目标用户集合进行初始化，遍历非目标用户集合中的所有非目标用户，根据连接关系确定非目标用户集合中各个非目标用户的影响力数值，将影响力数值最大的非目标用户保存至目标用户集合，并从非目标用户集合中删除影响力数值最大的非目标用户；重复执行上述步骤，直至预定停止条件，得到最终的目标用户集合；根据预设的用户属性条件和最终的目标用户集合，确定符合点对点内容分发网络PCDN的目标用户。
Description
技术领域
本申请实施例涉及计算机技术领域，特别涉及一种基于WiFi连接数据的目标用户确定方法、装置、设备及介质。
背景技术
传统的内容分发网络(Content Delivery Network，简称CDN)需要建设或租用CDN机房，还需要采购设备和带宽，建设周期长，运营成本高。而点对点内容分发网络(PeertoPeer Content Delivery Network，简称PCDN)利用边缘网络设备的闲置资源，不需要建设机房和采购设备、带宽等，成本更低廉。
WiFi管理平台通过分发SDK的方式，可以让一部分APP用户分享自身网络，让其移动终端作为PCDN节点，提供本地储存空间与网络带宽为其他用户提供PCDN服务。
作为WiFi管理平台一项新功能，需要识别一批目标用户作为冷启动用户。基于用户移动终端的剩余空间、内存、CPU性能，以及连WiFi习惯、网络带宽、NAT类型等数据，可以挑选一部分网络环境稳定、上网时间长、有充足的网络带宽和储存空间的用户作为目标用户。但是，这些目标用户，可能位于同一个WiFi网络下，或者地理位置较为集中，并不符合PCDN服务的特点，不能达到较好的PCDN加速效果。
发明内容
本申请实施例提供了一种基于WiFi连接数据的目标用户确定方法、装置、设备及存储介质，可以解决现有技术中确定的目标用户因地理位置集中而不符合PCDN服务特点的问题。所述技术方案如下：
一个方面，提供了一种基于WiFi连接数据的目标用户确定方法，所述方法包括：
获取预设时间段内多个用户的WiFi连接数据；
根据所述WiFi连接数据，获取所述多个用户中曾连接过相同WiFi的各个用户及各个用户间的连接关系；
对目标用户集合和非目标用户集合进行初始化，得到初始化的目标用户集合为空，初始化的非目标用户集合为获取的所有用户的集合；
遍历所述非目标用户集合中的所有非目标用户，根据所述连接关系确定所述非目标用户集合中各个非目标用户的影响力数值；
将影响力数值最大的非目标用户保存至所述目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至预定停止条件，得到最终的目标用户集合；
根据预设的用户属性条件和所述最终的目标用户集合，确定符合点对点内容分发网络PCDN的目标用户。
在一个可能的实现方式中，所述遍历所述非目标用户集合中的所有非目标用户，根据所述连接关系确定所述非目标用户集合中各个非目标用户的影响力数值，包括：
从所述非目标用户集合中随机选择一个非目标用户作为初始节点并进行标记；
调用独立级联模型并基于所述连接关系，对所述初始节点的所有相邻节点以均等概率进行标记，直到没有新的节点被标记；
将所有被标记节点的数量确定为当前的初始节点的影响力数值；
重复执行从所述非目标用户集合中随机选择，除已作为初始节点的非目标用户外的一个非目标用户作为当前的初始节点并进行标记，根据独立级联模型和所述连接关系，对所述初始节点的所有相邻节点以均等概率进行标记，直到没有新的节点被标记、将所有被标记节点的数量确定为当前的初始节点的影响力数值的步骤，直至遍历所述非目标用户集合中的所有非目标用户。
在另一个可能的实现方式中，所述调用独立级联模型并基于所述连接关系，对所述初始节点的所有相邻节点以均等概率进行标记，直到没有新的节点被标记，包括：
调用独立级联模型并基于所述连接关系，对所述初始节点的所有相邻节点中与所述初始节点曾连接过相同WiFi的第一相邻节点进行标记；
对每个所述第一相邻节点分别执行对所述第一相邻节点的所有相邻节点以均等概率进行标记的步骤，直至没有新的节点被标记，其中，
对所述第一相邻节点的所有相邻节点以均等概率进行标记，包括：
对所述第一相邻节点的所有相邻节点中与所述第一相邻节点曾连接过相同WiFi的第二相邻节点进行标记。
在又一个可能的实现方式中，所述将影响力数值最大的非目标用户保存至所述目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至预定停止条件，得到最终的目标用户集合，包括：
将影响力数值最大的非目标用户保存至所述目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至所述最终的目标用户集合中的目标用户的数量达到预设数量，得到最终的目标用户集合。
在又一个可能的实现方式中，所述将影响力数值最大的非目标用户保存至所述目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至预定停止条件，得到最终的目标用户集合，包括：
将影响力数值最大的非目标用户保存至所述目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至所述非目标用户集合为空，得到最终的目标用户集合。
在又一个可能的实现方式中，所述根据预设的用户属性条件和所述最终的目标用户集合，确定符合点对点内容分发网络PCDN的目标用户，包括：
对所述最终的目标用户集合中的所有目标用户采用最短路径算法进行优化处理，形成优化后的最终的目标用户集合；
根据预设的用户属性条件从所述优化后的最终的目标用户集合中，筛选出符合所述PCDN的目标用户。
另一方面，提供了一种基于WiFi连接数据的目标用户确定装置，所述装置包括：
获取模块，用于获取预设时间段内多个用户的WiFi连接数据，并根据所述WiFi连接数据，获取所述多个用户中曾连接过相同WiFi的各个用户及各个用户间的连接关系；
初始化模块，还用于对目标用户集合和非目标用户集合进行初始化，得到初始化的目标用户集合为空，初始化的非目标用户集合为获取的所有用户的集合；
处理模块，用于遍历所述非目标用户集合中的所有非目标用户，根据所述连接关系确定所述非目标用户集合中各个非目标用户的影响力数值；
更新模块，用于将影响力数值最大的非目标用户保存至所述目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至预定停止条件，得到最终的目标用户集合；
确定模块，用于根据预设的用户属性条件和所述最终的目标用户集合，确定符合点对点内容分发网络PCDN的目标用户。
在一个可能的实现方式中，所述处理模块具体用于，从所述非目标用户集合中随机选择一个非目标用户作为初始节点并进行标记；
调用独立级联模型并基于所述连接关系，对所述初始节点的所有相邻节点以均等概率进行标记，直到没有新的节点被标记；
将所有被标记节点的数量确定为当前的初始节点的影响力数值；
重复执行从所述非目标用户集合中随机选择，除已作为初始节点的非目标用户外的一个非目标用户作为当前的初始节点并进行标记，根据独立级联模型和所述连接关系，对所述初始节点的所有相邻节点以均等概率进行标记，直到没有新的节点被标记、将所有被标记节点的数量确定为当前的初始节点的影响力数值的步骤，直至遍历所述非目标用户集合中的所有非目标用户。
在另一个可能的实现方式中，处理模块具体用于，调用独立级联模型并基于所述连接关系，对所述初始节点的所有相邻节点中与所述初始节点曾连接过相同WiFi的第一相邻节点进行标记；
对每个所述第一相邻节点分别执行对所述第一相邻节点的所有相邻节点以均等概率进行标记的步骤，直至没有新的节点被标记，其中，
对所述第一相邻节点的所有相邻节点以均等概率进行标记，包括：
对所述第一相邻节点的所有相邻节点中与所述第一相邻节点曾连接过相同WiFi的第二相邻节点进行标记。
在又一个可能的实现方式中，所述更新模块具体用于：将影响力数值最大的非目标用户保存至所述目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至所述最终的目标用户集合中的目标用户的数量达到预设数量，得到最终的目标用户集合。
在又一个可能的实现方式中，所述更新模块具体用于，将影响力数值最大的非目标用户保存至所述目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至所述非目标用户集合为空，得到最终的目标用户集合。
在又一个可能的实现方式中，所述确定模块，具体用于对所述最终的目标用户集合中的所有目标用户采用最短路径算法进行优化处理，形成优化后的最终的目标用户集合；
根据预设的用户属性条件从所述优化后的最终的目标用户集合中，筛选出符合所述PCDN的目标用户。
另一方面，提供了一种电子设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上所述的基于WiFi连接数据的目标用户确定方法。
另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上所述的基于WiFi连接数据的目标用户确定方法。
另一方面，提供了一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得计算机执行如上所述的基于WiFi连接数据的目标用户确定方法。
本申请实施例提供的技术方案带来的有益效果至少包括：
通过根据预设时间段内多个用户的WiFi连接数据，获取该多个用户中曾连接过相同WiFi的各个用户及各个用户间的连接关系，根据连接关系确定非目标用户集合中的各个非目标用户的影响力数值，将影响力数值最大的非目标用户保存至目标用户集合，并从非目标用户集合中删除影响力数值最大的非目标用户，遍历更新后的非目标用户集合中的所有非目标用户，直至预定停止条件，得到最终的目标用户集合，再根据最终的目标用户集合和预设的用户属性条件，确定符合点对点内容分发网络PCDN的目标用户，从而通过影响力最大化算法得到的最终的目标用户集合中的目标用户在地理位置上和网络上分布较为均匀，本申请中同时考虑了用户在地理上和WiFi网络中的位置以及用户本身的属性，能够得到在地理位置上和网络上分布较为均匀的符合PCDN条件的目标用户，可以达到较好的PCDN加速效果，从而解决了现有技术中确定的目标用户因地理位置集中而不符合PCDN服务特点的问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了本申请一个示例性实施例提供的一种基于WiFi连接数据的目标用户确定方法的示意性流程图；
图2是本申请一个示例性实施例提供的节点关系图；
图3示出了本申请另一个示例性实施例提供一种基于WiFi连接数据的目标用户确定方法的示意性流程图；
图4示出了本申请一个示例性实施例提供的一个用户网络的示意图；
图5示出了在图4所示的用户网络中确定出目标用户后的用户网络的示意图；
图6示出了一个示例性实施例提供的一种基于WiFi连接数据的目标用户确定装置的结构示意图；
图7示出了本申请一个示例性实施例提供的电子设备的框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而非全部实施例。基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面详细描述本申请的实施例，该实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为了更好的理解及说明本申请实施例的方案，下面对本申请实施例中所涉及到的一些技术用语进行简单说明：
CDN：CDN是指将源站内容分发至接近用户的节点，使用户可就近取得所需内容，提高用户访问的响应速度和成功率。解决因分布、带宽、服务器性能带来的访问延迟问题，适用于站点加速、点播、直播等场景。
PCDN：PCDN是以P2P技术为基础，通过挖掘利用边缘网络海量碎片化闲置资源而构建的低成本内容分发网络服务。用户通过集成PCDN SDK(以下简称SDK)接入该服务后能获得等同(或略高于)CDN的分发质量，同时显著降低分发成本。适用于视频点播、直播、大文件下载等业务场景。
独立级联模型(Independent Cascade Model)：独立级联模型是一种信息传播模型，是信息传播过程的抽象描述。该模型的基本假设是节点v试图激活其邻接节点w的行为能否成功是一个概率为P的事件，且一个处于非活跃状态的节点被刚进入活跃状态的邻居节点激活的概率独立于之前曾尝试过激活该节点的邻居的活动。
也就是说，当一个节点v被激活时，它会以概率p[v，w]对它未激活的邻居节点w尝试激活，这种尝试仅仅进行一次，而且这些尝试之间是互相独立的，即v对w的激活不会受到其他节点的影响。独立级联模型的信息传播过程为：
(1)给定初始的活跃节点集合S，当在时刻t节点v被激活后，它就获得了一次对它的邻居节点w产生影响的机会，成功的概率为p[v，w]，是随机赋予的系统参数，其自身独立不受其他节点的影响，该值越大，节点w越有可能被影响。
(2)若w有多个邻居节点都是新近被激活的节点，那么这些节点将以任意顺序尝试激活节点w。如果节点v成功激活节点w，那么在t+1时刻，节点w转为活跃状态。
(3)在t+1时刻，节点w将对其他节点产生影响，重复上述过程。
需要注意的是，在上述传播过程中，在t时刻无论节点v是否能成功激活它的邻居节点，在以后的时刻，v本身虽然仍保持活跃状态，但它已经不再具备影响力，即在t时刻被激活的节点，已经尝试激活它自身的邻居节点后，在t+1时刻仍然处于活跃状态，但它本身已经不能再去激活其它任何节点，这一类节点称为无影响力的活跃节点。当网络中不存在有影响力的活跃节点时，传播过程结束。
云技术(Cloud technology)：基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按需所用，灵活便利。云计算技术将变成重要支撑。技术网络系统的后台服务需要大量的计算、存储资源，如视频网站、图片类网站和更多的门户网站。伴随着互联网行业的高度发展和应用，将来每个物品都有可能存在自己的识别标志，都需要传输到后台系统进行逻辑处理，不同程度级别的数据将会分开处理，各类行业数据皆需要强大的系统后盾支撑，只能通过云计算来实现。
云计算(Cloud computing)：指IT基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需资源；广义云计算指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需服务。这种服务可以是IT和软件、互联网相关，也可是其他服务。云计算是网格计算(Grid Computing)、分布式计算(Distributed Computing)、并行计算(Parallel Computing)、效用计算(Utility Computing)、网络存储(Network StorageTechnologies)、虚拟化(Virtualization)、负载均衡(Load Balance)等传统计算机和网络技术发展融合的产物。
云安全(Cloud Security)是指基于云计算商业模式应用的安全软件、硬件、用户、机构、安全云平台的总称。云安全融合了并行处理、网格计算、未知病毒行为判断等新兴技术和概念，通过网状的大量客户端对网络中软件行为的异常监测，获取互联网中木马、恶意程序的最新信息，并发送到服务端进行自动分析和处理，再把病毒和木马的解决方案分发到每一个客户端。
传统的CDN需要建设或租用CDN机房，还需要采购设备和带宽，建设周期长，运营成本高。PCDN通过挖掘边缘网络设备的闲置资源，不需要建设机房和采购设备、带宽等，成本更低廉。而且，PCDN节点相对与传统的CDN机房，与用户的距离更近，节点更多、理论上可以获得更好的服务质量。但是和传统的CDN相比，PCDN设备存在以下缺点：
1)网络稳定性较差，家庭宽带、WiFi、移动网络等网络资源不稳定；
2)设备分布不均，包括运营商分布不均和地区分布不均，导致需要和供给不匹配，有多设备，但不一定都用得上。
WiFi管理平台通过分发SDK的方式，可以让一部分APP用户分享自身网络，让其移动终端作为PCDN节点，提供本地储存空间与网络带宽为其他用户提供PCDN服务。在这个过程中用户可以获得积分或红包作为激励。
作为WiFi管理平台一项新功能，需要识别一批目标用户作为冷启动用户。由WiFi管理平台可以收集到用户的移动终端的剩余空间、内存、CPU性能，以及连WiFi习惯、网络带宽、NAT类型等数据，可以在这些数据的基础上挑选一部分网络环境稳定、上网时间长、有充足的网络带宽和储存空间的用户作为目标用户。然而由于PCDN服务的特点，还需要这部分用户在地理位置上和网络上分布较为均匀，才能达到较好的PCDN加速效果。
而通过WiFi管理平台中可以收集到用户连接WiFi的数据。当用户连接到同一个WiFi时，他们在网络上的位置很接近，可能共享一部分的带宽。而且如果用户曾经连接过同一个WiFi，说明他们在地理位置可能也较为接近，不符合PCDN节点应该尽量分散化的要求。如果将WiFi管理平台中的用户作为节点，连接过同一个WiFi的用户之间连一条边，就可以得到用户关系图。
为了能够在用户关系图中识别出尽量分散且符合PCDN服务条件的优质用户作为目标用户。本申请提出了一种基于WiFi连接数据的目标用户确定方法，根据用户的WiFi连接数据得到用户网络，通过影响力最大化算法，得到由影响力最大的节点构成的最终的目标用户集合，然后根据预设的用户属性条件，如：网络带宽、储存空间等条件从最终的目标用户集合进行过滤筛选，得到符合PCDN的目标用户。
下面以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图1是本申请一个示例性实施例提供的一种基于WiFi连接数据的目标用户确定方法10的示意性流程图。如图1所示，该方法10包括：
100、获取预设时间段内多个用户的WiFi连接数据。
具体的，在该实施例中，可以从WiFi管理服务器上报的WiFi连接数据中，选择预设时间段内的多个用户的WiFi连接数据，为了确保最终筛选出目标用户的结果的准确性，预设时间段可以为1个月及以上。
101、根据所述WiFi连接数据，获取多个用户中曾连接过相同WiFi的各个用户及各个用户间的连接关系。
具体的，在该实施例中，可以基于根据预设时间段内多个用户的WiFi连接数据获取的曾连接过相同WiFi的所有用户及各个用户间的连接关系，构建用户关系图。在连接过同一个WiFi的用户之间连一条边，就可以得到用户关系图，而连接过同一个WiFi的用户之间的边则可以表示连接过同一个WiFi的用户之间的连接关系。
102、对目标用户集合和非目标用户集合进行初始化，得到初始化的目标用户集合为空，初始化的非目标用户集合为获取的所有用户的集合。
103、遍历所述非目标用户集合中的所有非目标用户，根据连接关系确定非目标用户集合中各个非目标用户的影响力数值。
104、将影响力数值最大的非目标用户保存至目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至预定停止条件，得到最终的目标用户集合。
也就是说，在该实施例中，根据连接关系确定非目标用户集合中各个非目标用户的影响力数值，并将影响力数值最大的非目标用户保存至目标用户集合，同时将影响力数值最大的非目标用户从非目标用户集合中剔除，然后重复执行上述步骤直至预定停止条件，得到最终的目标用户集合。
具体的，在该实施例中，预定停止条件为最终的目标用户集合中的目标用户的数量达到预设数量，或者，非目标用户集合为空。
也就是说，当目标用户集合中的目标用户的数量达到预设数量时，结束“根据连接关系确定非目标用户集合中各个非目标用户的影响力数值，并将影响力数值最大的非目标用户保存至目标用户集合，同时将影响力数值最大的非目标用户从非目标用户集合中剔除”的循环，得到最终的目标用户集合，根据预设的用户属性的条件从中筛选符合PCDN的目标用户。或者，当非目标用户集合中没有非目标用户时，结束上述步骤的循环，得到最终的目标用户集合，根据预设的用户属性的条件从中筛选符合PCDN的目标用户。
前者是从用户网络中的一部分用户中筛选出了预设数量的目标用户，后者则是从用户网络中的全部用户中筛选出了所有的目标用户。后者相较于前者，得到的结果更加准确。
105、根据预设的用户属性条件和最终的目标用户集合，确定符合点对点内容分发网络PCDN的目标用户。
具体的，在该实施例中，预设的用户属性条件为以下至少一个用户属性满足对应的条件：移动终端的剩余存储空间、内存、CPU性能，用户连接WiFi的习惯，网络带宽，NAT类型。其中，
移动终端的剩余存储空间满足的条件为：剩余存储空间大于10G。
用户连接WiFi习惯满足的条件为：在20:00-00:00时连续连接，则用户连接WiFi习惯稳定。
移动终端的内存满足的条件为：内存大于1G；CPU性能较好。
NAT类型为：全锥型Fullcone或有公网IP。
网络带宽满足的条件为：宽带在50M以上。
在一个实施例中，步骤103可以包括：
从非目标用户集合中随机选择一个非目标用户作为初始节点并进行标记。
根据独立级联模型和连接关系，对初始节点的所有相邻节点以均等概率进行标记，直到没有新的节点被标记。
将所有被标记节点的数量确定为当前的初始节点的影响力数值。
重复执行从非目标用户集合中随机选择，除已作为初始节点的非目标用户外的一个非目标用户作为当前的初始节点并进行标记，根据独立级联模型和连接关系，对初始节点的所有相邻节点以均等概率进行标记，直到没有新的节点被标记、将所有被标记节点的数量确定为当前的初始节点的影响力数值的步骤，直至遍历非目标用户集合中的所有非目标用户。
在本申请中，“目标用户”也可以称为种子用户，“非目标用户”则可以称为“非种子用户”，以下实施例中均使用种子用户和非种子用户对各个应用场景进行介绍。
具体的，在该实施例中，调用独立级联模型并基于连接关系，对初始节点的所有相邻节点以均等概率进行标记，直到没有新的节点被标记，可以包括：
调用独立级联模型并基于连接关系，对初始节点的所有相邻节点中与初始节点曾连接过相同WiFi的第一相邻节点进行标记。
对每个第一相邻节点分别执行对第一相邻节点的所有相邻节点以均等概率进行标记的步骤，直至没有新的节点被标记，其中，
对第一相邻节点的所有相邻节点以均等概率进行标记，包括：
对第一相邻节点的所有相邻节点中与第一相邻节点曾连接过相同WiFi的第二相邻节点进行标记。
也就是说，在该实施例中，假设用户网络中的所有用户为100个，那么初始化的非种子用户集合中有100个非种子用户，将各个非种子用户视为用户网络中的各个节点。
从这100个节点中随机选择一个，例如：编号为5的非种子用户作为初始节点进行标记，再根据独立级联模型和所述连接关系，对初始节点5的所有相邻节点以均等概率进行标记，具体是从初始节点5的所有相邻节点中，查找并标记与初始节点5曾经连接过相同WiFi的节点，若都未与初始节点5曾经连接过相同WiFi的节点，则不标记，即为没有新的节点被标记；若有，则对相应的相邻节点n进行标记，再接着查找并标记与每个节点n曾经连接过相同WiFi的节点，直至没有新的节点被标记。最后，将所有被标记节点的数量确定为初始节点5的影响力数值。
再从这100个节点中除初始节点5之外的99个节点中随机选择一个节点作为初始节点，并执行上述过程，直至100个节点都被选择为初始节点并执行了上述过程，从而得到了100个节点的影响力数值，从这些影响力数值中选取影响力数值最大的节点作为种子用户存储在种子用户集合中，并将影响力数值最大的节点从非种子用户集合中删除，此时完成一次迭代过程。
再针对非种子用户的非种子用户集合中的99个非种子用户执行上述迭代过程，直至得到预设数量的种子用户，或者直至非种子用户集合为空。
为了更好地理解本申请实施例中的技术方案，下面结合附图2，对本申请实施例的技术方案中的影响力最大算法进行详细的描述。
如图2所示，假设在某一次迭代过程开始时，非种子用户集合中有a、b、c、d、e、f、g、h、i这9个非种子用户了。那么首先将非种子用户a标记为初始节点，从图2中可以看出初始节点a的相邻节点为d、f、e，那么初始节点a可以对相邻节点d、f、e以均等概率进行标记，根据用户网络中的连接关系确定出a与f曾连接过同一WiFi，因此可以对f打上标记，而d和e与a没有连接关系，因此不对d和e打标记。
被标记的节点f的相邻节点为b、c、g，那么节点f可以对相邻节点b、c、g以均等概率进行标记，根据用户网络中的连接关系确定出f与c和g曾连接过同一WiFi(这里可以是f与c连接过同一WiFi，f与g连接过同一WiFi，或者，f、c和g三者连接过同一WiFi)，因此可以对c和g分别打上标记，而b与f没有连接关系，因此不对b打标记。
被标记的节点c没有相邻节点，被标记的节点g的相邻节点为i，那么节点g可以对相邻节点i进行标记，根据用户网络中的连接关系确定出g与i没有连接关系，因此不对i打标记，至此，没有新的节点被标记，得到了初始节点a的影响力数值，从图2中可以看到，初始节点a影响了3个节点，即有3个节点f、c、g被标记，因此，初始节点a的影响力数值为3。
接下来，从除了节点a之外的8个节点中选择一个节点作为初始节点，执行上述过程，直至9个节点都作为初始节点执行了上述过程，具体情况可以参见下表中的内容。此时从得到的多个影响力数值中选择影响力数值最大的节点a作为种子用户存储在种子用户集合中，并将节点a从非种子用户集合中删除，至此，完成一次迭代过程。
下一次迭代过程开始时，非种子用户集合中有b、c、d、e、f、g、h、i这8个非种子用户了，再执行上述迭代过程，直至种子用户集合中的种子用户数量达到预设数量，或者非种子用户集合中非种子用户的数量为0。
在另一个实施例中，当预定停止条件为非种子用户集合为空时，步骤105可以包括：
对目标种子用户集合中的所有种子用户采用最短路径算法进行优化处理，形成优化后的目标种子用户集合。
根据预设的用户属性条件从优化后的目标种子用户集合中，筛选出符合PCDN的种子用户。
在该实施例中，通过影响力最大算法得到基于整个用户网络中的所有用户得到的种子用户后，采用最短路径算法对这些种子用户进行优化处理，筛选出一些较优的种子用户，再根据预设的用户属性条件从中筛选出符合PCDN的种子用户，由于该方案从全局角度考虑，因此可以得到更加准确的结果。
本申请实施例所提供的方法，主要应用场景为在WiFi管家中，为挑选优质用户作为PCDN节点提供参考，识别出WiFi连接网络拓扑中较为分散且影响力较大的一部分用户作为目标用户。为了更好的理解本申请实施例所提供的方法，下面结合图3至图5对本申请实施例的技术方案进行进一步说明。
如图3所示，为本申请实施例还提供了一种基于WiFi连接数据的目标用户确定方法20的示意性流程图。该方法20包括：
201、获取预设时间段内多个用户的WiFi连接数据。
具体的，在该实施例中，可以通过WiFi管家后台上报的方式，收集用户的WiFi连接数据，并筛选出在一定时间窗口内的数据，例如：筛选出1个月内的多个用户的WiFi连接数据。
202、根据预设时间段内多个用户的WiFi连接数据，获取多个用户中曾连接过相同WiFi的各个用户及各个用户间的连接关系，假设获取的所有用户的集合为{U}。
具体的，在该实施例中，可以基于根据预设时间段内多个用户的WiFi连接数据获取的曾连接过相同WiFi的所有用户及各个用户间的连接关系，构建用户关系图，如图4所示。例如：统计1个月内的多个用户的WiFi连接数据中有连接数据的用户作为用户关系图的节点。当两个用户曾连接过同一个WiFi时，则在这两个用户之间连一条边，得到基于WiFi连接数据的用户网络G＝(U,E)。其中，G为无向图，U为所有用户集合，E为所有共同连接的集合，即为边的集合。
203、对目标用户集合和非目标用户集合进行初始化，得到初始化的目标用户集合为空，初始化的非目标用户集合为获取的所有用户的集合。即：初始化种子用户集合非种子用户集合{V}＝{U}。
204、调用独立级联模型并基于连接关系，确定非目标用户集合中的各个非目标用户的影响力数值。即：对{V}中的任意节点v，根据独立级联模型，计算影响力数值I。
具体的，在该实施例中，遍历集合{V}中所有节点v，计算{S}U{v}的影响力数值I。计算方法为，给定初始标记节点，在每一轮迭代中，根据独立级联模型的假设，所有已标记节点以均等概率将它的临近节点打上标记。当最后迭代收敛时，即迭代中没有新的节点被打上标记时，迭代结束。将所有带标记的节点的个数作为此次初始节点的影响力数值I({S}U{v})。
205、将影响力数值最大的非目标用户确定为目标用户。即：选择{V}中各个v的影响力数值中最大的影响力数值对应的非目标用户作为目标用户。
206、将影响力数值最大的非目标用户保存至目标用户集合，并从非目标用户集合中删除影响力数值最大的非目标用户，即：更新{S}＝{S}∪{v}，{V}＝{V}\{v}。
具体的，在该实施例中，记录每个v下的影响力数值I({S}U{v})，挑选影响力数值最大的节点v加入集合{S}，并从集合{V}中删除节点v。
207、当目标用户集合中的目标用户达到预设数量，或者，当非目标用户集合为空时，得到最终的目标用户集合{S}′。
208、根据预设的用户属性条件和最终的目标用户集合，确定符合点对点内容分发网络PCDN的目标用户。
即：根据预设的用户属性条件从最终的目标用户集合{S}′中筛选出符合PCDN的目标用户。具体的，在该实施例中，根据用户的移动终端剩余空间、连接WiFi的习惯、移动终端的内存、CPU性能、网络带宽、NAT类型等条件，过滤掉不符合条件的目标用户，得到网络稳定、有空闲带宽、且相对较为分散的PCDN服务目标用户，如图5所示。
因此，本申请上述实施例中提出的一种基于WiFi连接数据的目标用户确定方法，由于PCDN服务的特点，需要PCDN的节点用户在网络拓扑和地理空间上相对分散，本申请的方法基于WiFi连接数据识别PCDN目标用户，相对于传统只考虑用户属性的方法更容易生成适合进行PCDN服务的目标用户。另外，通过本申请中的技术方案生成的目标用户，可以在更少的推广成本和用户规模下，提供更优质的PCDN服务。
基于相同的发明构思，本申请实施例还提供了一种基于WiFi连接数据的目标用户确定装置，该装置的结构示意图如图6所示，装置30包括：
获取模块301，用于获取预设时间段内多个用户的WiFi连接数据，并根据所述WiFi连接数据，获取多个用户中曾连接过相同WiFi的各个用户及各个用户间的连接关系。
初始化模块302，还用于对目标用户集合和非目标用户集合进行初始化，得到初始化的目标用户集合为空，初始化的非目标用户集合为获取的所有用户的集合。
处理模块303，用于遍历所述非目标用户集合中的所有非目标用户，根据连接关系确定非目标用户集合中各个非目标用户的影响力数值。
更新模块304，用于将影响力数值最大的非目标用户保存至目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至预定停止条件，得到最终的目标用户集合。
确定模块305，用于根据预设的用户属性条件和最终的目标用户集合，确定符合点对点内容分发网络PCDN的目标用户。
具体的，在该实施例中，更新模块具体用于：将影响力数值最大的非目标用户保存至所述目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至所述最终的目标用户集合中的目标用户的数量达到预设数量，或者，直至所述非目标用户集合为空，得到最终的目标用户集合。
预设的用户属性条件为以下至少一个用户属性满足对应的条件：移动终端的剩余存储空间、内存、CPU性能，用户连接WiFi的习惯，网络带宽，NAT类型。其中，
移动终端的剩余存储空间满足的条件为：剩余存储空间大于10G。
用户连接WiFi习惯满足的条件为：在20:00-00:00时连续连接，则用户连接WiFi习惯稳定。
移动终端的内存满足的条件为：内存大于1G。CPU性能较好。
NAT类型为：全锥型Fullcone或有公网IP。
网络带宽满足的条件为：宽带在50M以上。
在一个实施例中，处理模块303，具体用于：
从非目标用户集合中随机选择一个非目标用户作为初始节点并进行标记。
调用独立级联模型并基于连接关系，对初始节点的所有相邻节点以均等概率进行标记，直到没有新的节点被标记。
将所有被标记节点的数量确定为当前的初始节点的影响力数值。
重复执行从非目标用户集合中随机选择，除已作为初始节点的非目标用户外的一个非目标用户作为当前的初始节点并进行标记，根据独立级联模型和连接关系，对初始节点的所有相邻节点以均等概率进行标记，直到没有新的节点被标记、将所有被标记节点的数量确定为当前的初始节点的影响力数值的步骤，直至遍历非目标用户集合中的所有非目标用户。
具体的，在该实施例中，处理模块303具体用于，调用独立级联模型并基于连接关系，对初始节点的所有相邻节点中与初始节点曾连接过相同WiFi的第一相邻节点进行标记。
对每个第一相邻节点分别执行对第一相邻节点的所有相邻节点以均等概率进行标记的步骤，直至没有新的节点被标记，其中，
对第一相邻节点的所有相邻节点以均等概率进行标记，包括：
对第一相邻节点的所有相邻节点中与第一相邻节点曾连接过相同WiFi的第二相邻节点进行标记。
在另一个实施例中，当预定停止条件为非目标用户集合为空时，确定模块305，具体用于对最终的目标用户集合中的所有目标用户采用最短路径算法进行优化处理，形成优化后的最终的目标用户集合。
根据预设的用户属性条件从优化后的最终的目标用户集合中，筛选出符合PCDN的目标用户。
本申请实施例提供的基于WiFi连接数据的目标用户确定装置中未详述的内容，可参照上述实施例中提供的基于WiFi连接数据的目标用户确定方法，本申请实施例提供的基于WiFi连接数据的目标用户确定装置能够达到的有益效果与上述实施例中提供的基于WiFi连接数据的目标用户确定方法相同，在此不再赘述。
应用本申请实施例，至少具有如下有益效果：通过根据预设时间段内多个用户的WiFi连接数据，获取该多个用户中曾连接过相同WiFi的各个用户及各个用户间的连接关系，根据连接关系确定非目标用户集合中的各个非目标用户的影响力数值，将影响力数值最大的非目标用户保存至目标用户集合，并从非目标用户集合中删除影响力数值最大的非目标用户，遍历更新后的非目标用户集合中的所有非目标用户，直至预定停止条件，得到最终的目标用户集合，再根据最终的目标用户集合和预设的用户属性条件，确定符合点对点内容分发网络PCDN的目标用户，从而通过影响力最大化算法得到的最终的目标用户集合中的目标用户在地理位置上和网络上分布较为均匀，本申请中同时考虑了用户在地理上和WiFi网络中的位置以及用户本身的属性，能够得到在地理位置上和网络上分布较为均匀的符合PCDN条件的目标用户，可以达到较好的PCDN加速效果，从而解决了现有技术中确定的目标用户因地理位置集中而不符合PCDN服务特点的问题。
基于相同的发明构思，本申请实施例还提供了一种电子设备，该电子设备的结构示意图如图7所示，该电子设备40包括至少一个处理器401、存储器402和总线403，至少一个处理器401均与存储器402电连接。存储器402被配置用于存储有至少一个计算机可执行指令，处理器401被配置用于执行该至少一个计算机可执行指令，从而执行如本申请实施例一中任意一个实施例或任意一种可选实施方式提供的任意一种基于WiFi连接数据的目标用户确定方法的步骤。
进一步，处理器401可以是FPGA(Field－Programmable Gate Array，现场可编程门阵列)或者其它具有逻辑处理能力的器件，如MCU(Microcontroller Unit，微控制单元)、CPU(Central Process Unit，中央处理器)。
基于相同的发明构思，本申请实施例还提供一种计算机可读存储介质，存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现上述方法实施例提供的基于WiFi连接数据的目标用户确定方法。
本申请实施例提供的计算机可读存储介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、ROM(Read-Only Memory，只读存储器)、RAM(RandomAccess Memory，随即存储器)、EPROM(Erasable Programmable Read-OnlyMemory，可擦写可编程只读存储器)、EEPROM(Electrically Erasable ProgrammableRead-Only Memory，电可擦可编程只读存储器)、闪存、磁性卡片或光线卡片。也就是，可读存储介质包括由设备(例如，计算机)以能够读的形式存储或传输信息的任何介质。
本申请还提供了一种计算机程序产品，当其在电子设备上运行时，使得电子设备执行上述各个方法实施例的基于WiFi连接数据的目标用户确定方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于WiFi连接数据的目标用户确定方法，其特征在于，包括：
获取预设时间段内多个用户的WiFi连接数据；
根据所述WiFi连接数据，获取所述多个用户中曾连接过相同WiFi的各个用户及各个用户间的连接关系；
对目标用户集合和非目标用户集合进行初始化，得到初始化的目标用户集合为空，初始化的非目标用户集合为获取的所有用户的集合；
遍历所述非目标用户集合中的所有非目标用户，根据所述连接关系确定所述非目标用户集合中各个非目标用户的影响力数值；
将影响力数值最大的非目标用户保存至所述目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至预定停止条件，得到最终的目标用户集合；
根据预设的用户属性条件和所述最终的目标用户集合，确定符合点对点内容分发网络PCDN的目标用户。
2.根据权利要求1所述的方法，其特征在于，所述遍历所述非目标用户集合中的所有非目标用户，根据所述连接关系确定所述非目标用户集合中各个非目标用户的影响力数值，包括：
从所述非目标用户集合中随机选择一个非目标用户作为初始节点并进行标记；
调用独立级联模型并基于所述连接关系，对所述初始节点的所有相邻节点以均等概率进行标记，直到没有新的节点被标记；
将所有被标记节点的数量确定为当前的初始节点的影响力数值；
重复执行从所述非目标用户集合中随机选择，除已作为初始节点的非目标用户外的一个非目标用户作为当前的初始节点并进行标记，根据独立级联模型和所述连接关系，对所述初始节点的所有相邻节点以均等概率进行标记，直到没有新的节点被标记、将所有被标记节点的数量确定为当前的初始节点的影响力数值的步骤，直至遍历所述非目标用户集合中的所有非目标用户。
3.根据权利要求2所述的方法，其特征在于，所述调用独立级联模型并基于所述连接关系，对所述初始节点的所有相邻节点以均等概率进行标记，直到没有新的节点被标记，包括：
调用独立级联模型并基于所述连接关系，对所述初始节点的所有相邻节点中与所述初始节点曾连接过相同WiFi的第一相邻节点进行标记；
对每个所述第一相邻节点分别执行对所述第一相邻节点的所有相邻节点以均等概率进行标记的步骤，直至没有新的节点被标记，其中，
对所述第一相邻节点的所有相邻节点以均等概率进行标记，包括：
对所述第一相邻节点的所有相邻节点中与所述第一相邻节点曾连接过相同WiFi的第二相邻节点进行标记。
4.根据权利要求1至3中任一项的所述方法，其特征在于，所述将影响力数值最大的非目标用户保存至所述目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至预定停止条件，得到最终的目标用户集合，包括：
将影响力数值最大的非目标用户保存至所述目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至所述最终的目标用户集合中的目标用户的数量达到预设数量，得到最终的目标用户集合。
5.根据权利要求1至3中任一项的所述方法，其特征在于，所述将影响力数值最大的非目标用户保存至所述目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至预定停止条件，得到最终的目标用户集合，包括：
将影响力数值最大的非目标用户保存至所述目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至所述非目标用户集合为空，得到最终的目标用户集合。
6.根据权利要求5的所述方法，其特征在于，所述根据预设的用户属性条件和所述最终的目标用户集合，确定符合点对点内容分发网络PCDN的目标用户，包括：
对所述最终的目标用户集合中的所有目标用户采用最短路径算法进行优化处理，形成优化后的最终的目标用户集合；
根据预设的用户属性条件从所述优化后的最终的目标用户集合中，筛选出符合所述PCDN的目标用户。
7.一种基于WiFi连接数据的目标用户确定装置，其特征在于，所述装置包括：
获取模块，用于获取预设时间段内多个用户的WiFi连接数据，并根据所述WiFi连接数据，获取所述多个用户中曾连接过相同WiFi的各个用户及各个用户间的连接关系；
初始化模块，用于对目标用户集合和非目标用户集合进行初始化，得到初始化的目标用户集合为空，初始化的非目标用户集合为获取的所有用户的集合；
处理模块，用于遍历所述非目标用户集合中的所有非目标用户，根据所述连接关系确定所述非目标用户集合中各个非目标用户的影响力数值；
更新模块，用于将影响力数值最大的非目标用户保存至所述目标用户集合，同时从所述非目标用户集合中删除所述影响力数值最大的非目标用户，遍历更新后的所述非目标用户集合中的所有非目标用户，直至预定停止条件，得到最终的目标用户集合；
确定模块，用于根据预设的用户属性条件和所述最终的目标用户集合，确定符合点对点内容分发网络PCDN的目标用户。
8.根据权利要求7的所述装置，其特征在于，所述处理模块具体用于，
从所述非目标用户集合中随机选择一个非目标用户作为初始节点并进行标记；
调用独立级联模型并基于所述连接关系，对所述初始节点的所有相邻节点以均等概率进行标记，直到没有新的节点被标记；
将所有被标记节点的数量确定为当前的初始节点的影响力数值；
重复执行从所述非目标用户集合中随机选择，除已作为初始节点的非目标用户外的一个非目标用户作为当前的初始节点并进行标记，根据独立级联模型和所述连接关系，对所述初始节点的所有相邻节点以均等概率进行标记，直到没有新的节点被标记、将所有被标记节点的数量确定为当前的初始节点的影响力数值的步骤，直至遍历所述非目标用户集合中的所有非目标用户。
9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至6任一所述的基于WiFi连接数据的目标用户确定方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至6任一所述的基于WiFi连接数据的目标用户确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010911830.5A CN111988745B (zh) | 2020-09-02 | 2020-09-02 | 基于WiFi连接数据的目标用户确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010911830.5A CN111988745B (zh) | 2020-09-02 | 2020-09-02 | 基于WiFi连接数据的目标用户确定方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111988745A CN111988745A (zh) | 2020-11-24 |
| CN111988745B true CN111988745B (zh) | 2024-02-20 |
Family
ID=73446884
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010911830.5A Active CN111988745B (zh) | 2020-09-02 | 2020-09-02 | 基于WiFi连接数据的目标用户确定方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111988745B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114389977B (zh) * | 2021-12-29 | 2024-03-19 | 中国电信股份有限公司 | Pcdn违规业务检测方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107548063A (zh) * | 2017-09-14 | 2018-01-05 | 上海斐讯数据通信技术有限公司 | 一种自动接入ap的方法、装置及无线路由器 |
| CN107895279A (zh) * | 2017-10-23 | 2018-04-10 | 中国联合网络通信集团有限公司 | 基于用户话单的用户影响力确定方法及装置 |
| CN110798467A (zh) * | 2019-10-30 | 2020-02-14 | 腾讯科技（深圳）有限公司 | 目标对象识别方法、装置、计算机设备及存储介质 |
| CN111242670A (zh) * | 2019-12-27 | 2020-06-05 | 北京邮电大学 | 一种确定最大影响程度指标的种子集合的方法及装置 |
-
2020
- 2020-09-02 CN CN202010911830.5A patent/CN111988745B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107548063A (zh) * | 2017-09-14 | 2018-01-05 | 上海斐讯数据通信技术有限公司 | 一种自动接入ap的方法、装置及无线路由器 |
| CN107895279A (zh) * | 2017-10-23 | 2018-04-10 | 中国联合网络通信集团有限公司 | 基于用户话单的用户影响力确定方法及装置 |
| CN110798467A (zh) * | 2019-10-30 | 2020-02-14 | 腾讯科技（深圳）有限公司 | 目标对象识别方法、装置、计算机设备及存储介质 |
| CN111242670A (zh) * | 2019-12-27 | 2020-06-05 | 北京邮电大学 | 一种确定最大影响程度指标的种子集合的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111988745A (zh) | 2020-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220303216A1 (en) | Application Programing Interface (API) Gateway Cluster Control Method and API Gateway Cluster | |
| US11184241B2 (en) | Topology-aware continuous evaluation of microservice-based applications | |
| CN109274722B (zh) | 数据共享方法、装置以及电子设备 | |
| US9148381B2 (en) | Cloud computing enhanced gateway for communication networks | |
| US10225145B2 (en) | Method and device for updating client | |
| CN108156257B (zh) | 一种信息推送方法及装置 | |
| CN113709530B (zh) | 一种资源下载方法、系统、电子设备及存储介质 | |
| CN110474960B (zh) | 一种虚拟化网络中业务部署的方法和装置 | |
| CN113037888A (zh) | 加速域名的配置方法及装置、存储介质、电子设备 | |
| CN112333289A (zh) | 反向代理访问方法、装置、电子设备及存储介质 | |
| CN111988745B (zh) | 基于WiFi连接数据的目标用户确定方法、装置、设备及介质 | |
| CN115168031A (zh) | 一种雾计算系统、方法、电子设备及存储介质 | |
| CN111488529A (zh) | 信息处理方法、装置、服务器及存储介质 | |
| CN113872951B (zh) | 混合云安全策略下发方法、装置、电子设备和存储介质 | |
| WO2022062807A1 (zh) | 设备控制方法、服务器及存储介质 | |
| CN113382065B (zh) | 文件下载方法、装置、系统、设备及存储介质 | |
| CN112231481A (zh) | 网址的分类方法、装置、计算机设备和存储介质 | |
| CN111064798A (zh) | 节点入网方法、装置、客户端节点及存储介质 | |
| CN114615285B (zh) | 一种物理机的部署方法、装置、电子设备及存储介质 | |
| CN113347268B (zh) | 基于分布式网络组网方法、装置、存储介质及计算机设备 | |
| CN110474954B (zh) | 基于区块链的文件分享方法、装置、计算机设备及可读存储介质 | |
| CN115185997A (zh) | 一种主机信息处理方法、装置、电子设备及存储介质 | |
| CN110858846A (zh) | 资源配置方法、装置和存储介质 | |
| CN114567678A (zh) | 一种云安全服务的资源调用方法、装置及电子设备 | |
| CN112217770B (zh) | 一种安全检测方法、装置、计算机设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |